不预测现实，
但每一步都能被复核。

GovSim-X 是一个社会治理政策实验沙盒：以政策实验合同为入口，用确定性 ABM 演算全部数字，LLM 只负责把结果写成解释文字——两者严格分离，杜绝"语言模型编数字"。

每一次推演都记录同冲击基线、主方案、备选方案、参数来源、随机种子与审计包；同种子重复运行逐字节一致。

源码指纹

— schema —

01 / EVIDENCE CHAIN

证据如何绑定到这份源码

验收不是一句"通过了"，而是一条可追溯的链：源码指纹 → 自动化检查 → 结构化证据。源码一旦变动，旧证据会被判为 stale，发布预检以非零退出码阻断交付。

02 / QUALITY GATE

以下为构建 dd7d97a9 的一次完整运行，逐项耗时如实记录，含跳过的检查。

状态

检查项

耗时

03 / FIGURES

图表由仓库内脚本从实验结果生成，可随源码一同重新产出。

04 / REPRODUCIBILITY

构建指纹已对行尾归一，使跨平台一致性可达。下面是同一次演示推演在本地 Windows 与 GitHub Ubuntu 上的实际输出——指标完全相同。

本机 · WINDOWSseed 42,43,44

CI · UBUNTU LTSseed 42,43,44

✓ 逐字节相同 —— 引擎使用 random.Random(seed) 而非 numpy 随机数，跨平台比特级一致；这是"实验真实性"的设计前提，不是巧合。

05 / BOUNDARY

不代表现实政策的预测准确率，也不替代统计因果识别与公共决策程序。
外部有效性仍受限：候选数据源均为 candidate_not_authorized，授权来源数为 0，holdout 未启动——因此不输出任何现实校准误差或真实留出指标。
部分机制默认关闭（校准、代理模型等研究模块未接入主链路），其量化结论仅代表模块自测。
本页是静态快照，不会实时重算；真实推演请运行仓库代码或触发在线工作流。

06 / RUN IT

克隆后装锁定依赖，启动交互前端；完整推演约 11 秒。

pip install -r requirements-lock.txt
python scripts/quality_report.py
streamlit run frontend/app.py

无需本地安装：在仓库 Actions 页面手动触发一次真实推演，产物可直接下载。

Actions → Online Run (manual)
       → Run workflow

比对证据文件记录的源码指纹与当前源码是否一致，非零退出即表示证据已过期。

python scripts/release_preflight.py
python scripts/build_fingerprint.py